Как начать работать с Vision OCR

Этот раздел описывает, как распознать текст на изображении или в файле с помощью Vision OCR API.

Перед началом работы

Чтобы воспользоваться примерами, установите cURL.

Аккаунт на Яндексе

На странице Yandex Cloud Billing убедитесь, что платежный аккаунт находится в статусе ACTIVE или TRIAL_ACTIVE. Если платежного аккаунта нет, создайте его.
Получите IAM-токен, необходимый для аутентификации.
Получите идентификатор любого каталога, на который у вашего аккаунта есть роль ai.vision.user или выше.
Полученный идентификатор передавайте в заголовке x-folder-id.

Распознайте текст

Вы можете использовать любую модель для распознавания из списка. Для примера воспользуемся моделью page, которая позволяет распознавать любое количество текста на изображении:

Подготовьте файл изображения, соответствующий требованиям:
- Поддерживаемые форматы файлов: JPEG, PNG, PDF. MIME-тип файла указывайте в свойстве mime_type. По умолчанию image.
- Максимальный размер файла: 10 МБ.
- Размер изображения не должен превышать 20 мегапикселей (длина × ширина).
Совет

Нужен пример? Скачайте изображение дорожного знака, предупреждающего о пингвинах.

Кодируйте файл с изображением в формат Base64:

UNIX

Windows

PowerShell

Python

Node.js

Java

base64 -i input.jpg > output.txt

C:> Base64.exe -e input.jpg > output.txt

[Convert]::ToBase64String([IO.File]::ReadAllBytes("./input.jpg")) > output.txt

# Импортируйте библиотеку для кодирования в Base64
        import base64
        
        # Создайте функцию, которая кодирует файл и возвращает результат.
        def encode_file(file_path):
          with open(file_path, "rb") as fid:
            file_content = fid.read()
          return base64.b64encode(file_content).decode("utf-8")

// Считайте содержимое файла в память.
        var fs = require('fs');
        var file = fs.readFileSync('/path/to/file');
        
        // Получите содержимое файла в формате Base64.
        var encoded = Buffer.from(file).toString('base64');

// Импортируйте библиотеку для кодирования в Base64.
        import org.apache.commons.codec.binary.Base64;
        
        // Получите содержимое файла в формате Base64.
        byte[] fileData = Base64.encodeBase64(yourFile.getBytes());

import (
          "bufio"
          "encoding/base64"
          "io/ioutil"
          "os"
        )
        
        // Откройте файл
        f, _ := os.Open("/path/to/file")
        
        // Прочитайте содержимое файла.
        reader := bufio.NewReader(f)
        content, _ := ioutil.ReadAll(reader)
        
        // Получите содержимое файла в формате Base64.
        base64.StdEncoding.EncodeToString(content)

Создайте файл с телом запроса, например body.json.

body.json:
```
{
          "mimeType": "JPEG",
          "languageCodes": ["*"],
          "model": "page",
          "content": "<изображение_в_кодировке_base64>"
        }
        
```
В свойстве content укажите содержимое файла, полученное при переводе изображения в формат Base64.

Чтобы сервис автоматически определил язык текста, укажите в конфигурации свойство "languageCodes": ["*"].

Отправьте запрос с помощью метода recognize и сохраните ответ в файл, например output.json:

UNIX

Python

export IAM_TOKEN=<IAM-токен>
        curl \
          --request POST \
          --header "Content-Type: application/json" \
          --header "Authorization: Bearer ${IAM_TOKEN}" \
          --header "x-folder-id: <идентификатор_каталога>" \
          --header "x-data-logging-enabled: true" \
          --data '{
            "mimeType": "JPEG",
            "languageCodes": ["ru","en"],
            "model": "handwritten",
            "content": "<изображение_в_кодировке_base64>"
          }' \
          https://ocr.api.cloud.yandex.net/ocr/v1/recognizeText \
          --output output.json

Где:

<IAM-токен> — полученный ранее IAM-токен.
<идентификатор_каталога> — полученный ранее идентификатор каталога.

data = {"mimeType": <mime_type>,
                "languageCodes": ["ru","en"],
                "content": content}
        
        url = "https://ocr.api.cloud.yandex.net/ocr/v1/recognizeText"
        
        headers= {"Content-Type": "application/json",
                  "Authorization": "Bearer {:s}".format(<IAM-токен>),
                  "x-folder-id": "<идентификатор_каталога>",
                  "x-data-logging-enabled": "true"}
          
        w = requests.post(url=url, headers=headers, data=json.dumps(data))

Результат будет состоять из распознанных блоков текста, строк и слов с указанием их местоположения на изображении:

{
            "result":
            {
                "textAnnotation":
                {
                    "width": "1920",
                    "height": "1280",
                    "blocks":
                    [
                        {
                            "boundingBox":
                            {
                                "vertices":
                                [
                                    {
                                        "x": "460",
                                        "y": "777"
                                    },
                                    {
                                        "x": "460",
                                        "y": "906"
                                    },
                                    {
                                        "x": "810",
                                        "y": "906"
                                    },
                                    {
                                        "x": "810",
                                        "y": "777"
                                    }
                                ]
                            },
                            "lines":
                            [
                                {
                                    "boundingBox":
                                    {
                                        "vertices":
                                        [
                                            {
                                                "x": "460",
                                                "y": "777"
                                            },
                                            {
                                                "x": "460",
                                                "y": "820"
                                            },
                                            {
                                                "x": "802",
                                                "y": "820"
                                            },
                                            {
                                                "x": "802",
                                                "y": "777"
                                            }
                                        ]
                                    },
                                    "text": "PENGUINS",
                                    "words":
                                    [
                                        {
                                            "boundingBox":
                                            {
                                                "vertices":
                                                [
                                                    {
                                                        "x": "460",
                                                        "y": "768"
                                                    },
                                                    {
                                                        "x": "460",
                                                        "y": "830"
                                                    },
                                                    {
                                                        "x": "802",
                                                        "y": "830"
                                                    },
                                                    {
                                                        "x": "802",
                                                        "y": "768"
                                                    }
                                                ]
                                            },
                                            "text": "PENGUINS",
                                            "entityIndex": "-1",
                                            "textSegments":
                                            [
                                                {
                                                    "startIndex": "0",
                                                    "length": "8"
                                                }
                                            ]
                                        }
                                    ],
                                    "textSegments":
                                    [
                                        {
                                            "startIndex": "0",
                                            "length": "8"
                                        }
                                    ],
                                    "orientation": "ANGLE_0"
                                },
                                {
                                    "boundingBox":
                                    {
                                        "vertices":
                                        [
                                            {
                                                "x": "489",
                                                "y": "861"
                                            },
                                            {
                                                "x": "489",
                                                "y": "906"
                                            },
                                            {
                                                "x": "810",
                                                "y": "906"
                                            },
                                            {
                                                "x": "810",
                                                "y": "861"
                                            }
                                        ]
                                    },
                                    "text": "CROSSING",
                                    "words":
                                    [
                                        {
                                            "boundingBox":
                                            {
                                                "vertices":
                                                [
                                                    {
                                                        "x": "489",
                                                        "y": "852"
                                                    },
                                                    {
                                                        "x": "489",
                                                        "y": "916"
                                                    },
                                                    {
                                                        "x": "810",
                                                        "y": "916"
                                                    },
                                                    {
                                                        "x": "810",
                                                        "y": "852"
                                                    }
                                                ]
                                            },
                                            "text": "CROSSING",
                                            "entityIndex": "-1",
                                            "textSegments":
                                            [
                                                {
                                                    "startIndex": "9",
                                                    "length": "8"
                                                }
                                            ]
                                        }
                                    ],
                                    "textSegments":
                                    [
                                        {
                                            "startIndex": "9",
                                            "length": "8"
                                        }
                                    ],
                                    "orientation": "ANGLE_0"
                                }
                            ],
                            "languages":
                            [
                                {
                                    "languageCode": "en"
                                }
                            ],
                            "textSegments":
                            [
                                {
                                    "startIndex": "0",
                                    "length": "17"
                                }
                            ],
                            "layoutType": "LAYOUT_TYPE_TEXT"
                        },
                        {
                            "boundingBox":
                            {
                                "vertices":
                                [
                                    {
                                        "x": "547",
                                        "y": "989"
                                    },
                                    {
                                        "x": "547",
                                        "y": "1046"
                                    },
                                    {
                                        "x": "748",
                                        "y": "1046"
                                    },
                                    {
                                        "x": "748",
                                        "y": "989"
                                    }
                                ]
                            },
                            "lines":
                            [
                                {
                                    "boundingBox":
                                    {
                                        "vertices":
                                        [
                                            {
                                                "x": "547",
                                                "y": "989"
                                            },
                                            {
                                                "x": "547",
                                                "y": "1046"
                                            },
                                            {
                                                "x": "748",
                                                "y": "1046"
                                            },
                                            {
                                                "x": "748",
                                                "y": "989"
                                            }
                                        ]
                                    },
                                    "text": "SLOW",
                                    "words":
                                    [
                                        {
                                            "boundingBox":
                                            {
                                                "vertices":
                                                [
                                                    {
                                                        "x": "547",
                                                        "y": "983"
                                                    },
                                                    {
                                                        "x": "547",
                                                        "y": "1054"
                                                    },
                                                    {
                                                        "x": "748",
                                                        "y": "1054"
                                                    },
                                                    {
                                                        "x": "748",
                                                        "y": "983"
                                                    }
                                                ]
                                            },
                                            "text": "SLOW",
                                            "entityIndex": "-1",
                                            "textSegments":
                                            [
                                                {
                                                    "startIndex": "18",
                                                    "length": "4"
                                                }
                                            ]
                                        }
                                    ],
                                    "textSegments":
                                    [
                                        {
                                            "startIndex": "18",
                                            "length": "4"
                                        }
                                    ],
                                    "orientation": "ANGLE_0"
                                }
                            ],
                            "languages":
                            [
                                {
                                    "languageCode": "en"
                                }
                            ],
                            "textSegments":
                            [
                                {
                                    "startIndex": "18",
                                    "length": "4"
                                }
                            ],
                            "layoutType": "LAYOUT_TYPE_TEXT"
                        }
                    ],
                    "entities":
                    [],
                    "tables":
                    [],
                    "fullText": "PENGUINS\nCROSSING\nSLOW\n",
                    "rotate": "ANGLE_0",
                    "markdown": " ",
                    "pictures":
                    []
                },
                "page": "0"
            }
        }

Чтобы получить все распознанные на изображении слова, найдите все значения со свойством text.

Примечание

Если полученные координаты не соответствуют отображаемому положению элементов, настройте в вашем средстве просмотра изображений поддержку метаданных exif, либо при передаче в сервис удаляйте из секции exif изображения атрибут Orientation.

Была ли статья полезна?

О сервисе Vision OCR

Распознавание документов

Как начать работать с Vision OCR

Перед началом работыПеред началом работы

Распознайте текстРаспознайте текст

Была ли статья полезна?

Перед началом работы

Распознайте текст